买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉湖南科技大学申请的专利一种融合多源浮选工况信息的泡沫速度优化设定方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN118606739B 。

龙图腾网通过国家知识产权局官网在2025-08-05发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202410770355.2，技术领域涉及：G06F18/23213；该发明授权一种融合多源浮选工况信息的泡沫速度优化设定方法是由卢明;何先科;王进;邹莹;陈祖国;李沛;何磊;易遵辉;李颖聪;彭兰溪;谭静瑶设计研发完成，并于2024-06-14向国家知识产权局提交的专利申请。

本一种融合多源浮选工况信息的泡沫速度优化设定方法在说明书摘要公布了：本发明涉及一种融合多源浮选工况信息的泡沫速度优化设定方法，涉及浮选智能优化生产技术领域，通过浮选生产测控平台采集浮选工况数据，并进行数据预处理得到若干浮选工况数据源案例集；基于浮选工况匹配距离，结合K‑Means聚类方法获取K组子类案例集，结合选矿品位预测模型和回收率计算模型得到关键生产指标，通过泡沫速度设定模型和评价与学习模型获取每组子案例集下的最优案例；将浮选工况新案例在案例库中进行案例检索，若没有匹配的案例，将新案例加入浮选工况源案例集，进行案例修正，并继续进行案例检索，若匹配到相似案例，则获取最优匹配案例；并从案例库中导出，进行案例重用，获取泡沫速度最优设定值；解决了浮选工况过程的波动问题，有效改善了浮选关键生产指标。

本发明授权一种融合多源浮选工况信息的泡沫速度优化设定方法在权利要求书中公布了：1.一种融合多源浮选工况信息的泡沫速度优化设定方法，其特征在于，包括： 通过浮选生产测控平台采集浮选工况数据，并进行数据预处理得到若干浮选工况数据源案例集； 基于浮选工况匹配距离，结合K-Means聚类方法获取K组子类案例集，结合选矿品位预测模型和回收率计算模型得到关键生产指标，通过泡沫速度设定模型和评价与学习模型获取每组子案例集下的最优案例，进行案例存储，完成案例库初始化； 将浮选工况新案例在案例库中进行案例检索，若没有匹配的案例，将新案例加入浮选工况源案例集，聚类分组数变成K+1，同步更新案例库，实现案例修正，并继续进行案例检索，若匹配到相似案例，则结合评价与学习模型获取最优匹配案例； 将所述最优匹配案例从案例库中导出，进行案例重用，获取泡沫速度最优设定值； 基于浮选生产测控平台进行泡沫速度优化设定以及泡沫速度优化设定的实验验证和分析； 令浮选工况新案例T＝t1,…,tm，表示x1～xm浮选当前工况数据，与计算匹配距离方法同理可得到新案例与案例库每条经典案例的匹配距离djj＝1,…,K，将匹配距离转换成相似度Simj∈[0,1]： 通过相似度边界条件Simj≥λ从案例库中获取与目标案例T描述特征相匹配的案例集Mkk＝0,1,2,…,K，完成案例检索； 初始化DPSO算法基础参数、粒子群的位置和速度，计算粒子群动态惯性权重值，通过迭代更新粒子群的速度值和位置，采用设定值性能评价指标J作为DPSO的适应度函数，更新个体最优位置和全局最优位置，即更新使设定值性能评价指标J最优案例下的索引值，最终通过最优案例的索引值能够从子案例集中取出案例，并进行案例存储，构建典型案例集； 若匹配案例数k≥2，结合DPSO算法和设定值评价指标J从与目标案例T相匹配的案例中获取性能指标J最优的匹配案例Mj； 若匹配案例数k＝1，则直接将M1案例取出重用； 若k＝0，即案例库中检索不到与目标案例描述特征T相似的案例，则将目标案例加入源案例集中，聚类分类数K+1，通过匹配距离将源案例集进行聚类分层抽样分成K+1个案例子集，结合设定值评价指标和DPSO优化算法从案例子集中选取K+1个最优典型案例，实现案例修正；并将K+1个修正后的典型案例进行案例存储，生成数量为K+1的案例库，再重新进行新案例的检索，获取最优匹配案例Mj。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人湖南科技大学，其通讯地址为：411000 湖南省湘潭市雨湖区石马头；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。